在Unix中寻找Set Complement

鉴于这两个文件：

$ cat A.txt $ cat B.txt 3 11 5 1 1 12 2 3 4 2

我想find在B中的“BUT NOT”中的行号。它的unix命令是什么？

我尝试过，但似乎失败：

comm -3 <(sort -n A.txt) <(sort -n B.txt) | sed 's/t//g'

comm -2 -3 <(sort A.txt) <(sort B.txt)

应该做你想做的，如果我正确理解你的话。

编辑 ：其实， comm需要文件按字典顺序排序，所以你不希望-n在你的sort命令：

$ cat A.txt 1 4 112 $ cat B.txt 1 112 # Bad: $ comm -2 -3 <(sort -n B.txt) <(sort -n B.txt) 4 comm: file 1 is not in sorted order 112 # OK: $ comm -2 -3 <(sort A.txt) <(sort B.txt) 4

请注意awk解决方案的工作原理，但在A中保留重复项（不在B中）; python解决方案取消了结果

还要注意， comm不计算真正的集合差异; 如果在A中重复一行，并在B中重复次数少， comm将在结果中留下“额外”行：

$ cat A.txt 120 121 122 122 $ cat B.txt 121 122 121 $ comm -23 <(sort A.txt) <(sort B.txt) 120 122

如果这种行为是不受欢迎的，请使用sort -u删除重复项（仅限A事中的重复项）：

$ comm -23 <(sort -u A.txt) <(sort B.txt) 120

你可以试试这个

$ awk 'FNR==NR{a[$0];next} (!($0 in a))' B.txt A.txt 5 4

我写了一个最近叫做Setdown的程序 ，它从cli中进行Set操作。

它可以通过编写一个类似于您在Makefile中编写的定义来执行设置操作：

someUnion: "file-1.txt" / "file-2.txt" someIntersection: "file-1.txt" / "file-2.txt" someDifference: someUnion - someIntersection

它非常酷，你应该检查出来。 我个人不建议使用不是为作业而构建的ad-hoc命令来执行设置操作。 当你真的需要做很多设置操作，或者如果你有任何相互依赖的设置操作，它将无法正常工作。 不仅如此，而且还可以让你编写依赖于其他设置操作的集合操作！

无论如何，我认为这很酷，你应该完全检查出来。

注意 ：我认为Setdown比comm更好，因为Setdown不要求你正确地对输入进行排序 。 相反，Setdown将会为您排序输入，并使用外部排序。 所以它可以处理大量的文件。 我认为这是一个很大的好处，因为我忘记排序我传入comm的文件的次数已经超过了计数。